Adrian de Wynter, pesquisador de inteligência artificial da Microsoft e professor da Universidade de York, utilizou o editor de mapas de Age of Empires II para construir uma rede neural completa dentro do jogo. Com a experiência adquirida desde o lançamento do título em 1999, ele busca demonstrar que a percepção de consciência em modelos de linguagem, como ChatGPT e Claude, se baseia mais na interface de bate-papo do que na complexidade computacional, já presente em qualquer sistema Turing-completo.
A rede neural feita de cabras
Dentro do mapa, De Wynter representa zeros como grama e uns como pontes, enquanto cabras funcionam como bits de informação. Cada porta lógica acionada faz os animais se deslocarem pelos trilhos, levando sinais de entrada até a saída. Concluído o cálculo, as cabras são removidas e novas unidades surgem no ponto de chegada. O experimento se apoia em um perceptron bipolar de 1 bit, formado por portas NAND, elemento essencial de qualquer circuito lógico. Além de montar a estrutura, o pesquisador treinou o modelo in-game, atualizando pesos conforme testes, em paralelo ao procedimento de aprendizado de grandes modelos de linguagem.
Age of Empires II é Turing-completo
Em artigo publicado no arXiv, De Wynter prova que o mecanismo de AoE II alcança Turing-completude, ou seja, pode executar qualquer operação lógica de um computador tradicional, desde que disponha de tempo e espaço. Assim, todas as funções de cálculo de um LLM podem ser replicadas no ambiente do jogo, com cabras, pontes e grama, sem perder poder computacional.
O papel da interface
Para o pesquisador, a ilusão de consciência em modelos de linguagem surge da interface em linguagem natural e do formato de chat. Sem essa camada de diálogo, o mesmo processamento — simbolizado pelas cabras no mapa — não gera qualquer impressão de entidade pensante. “Se LLMs têm atributos semelhantes aos humanos, então Age of Empires II também os tem”, resume De Wynter, em entrevista ao 404 Media.
Viés em estudos de IA
De Wynter analisou 315 artigos de ciência da computação publicados entre meados de 2024 e meados de 2026. Segundo ele, 57% das pesquisas assumem que LLMs possuem traços humanos. Entre os 47% de estudos que focam diretamente nesses atributos, 77% concluem que os modelos realmente exibem características semelhantes às humanas, evidenciando um viés de interpretação.
Imagem: Imagem ilustrativa
Pressuposto nulo como alternativa
Como solução, o pesquisador propõe o “null assumption”: em vez de discutir consciência ou emoções em IA, os estudos deveriam se restringir a observações de comportamentos mensuráveis e específicos, sem extrapolar conclusões para traços intrínsecos das máquinas.
Com informações de Hardware
